# AI 写 80% 代码的今天，程序员最值钱的那件事，不是写代码

> AI 把语法实现的成本拉到趋近于零，真正稀缺的变成了理解力——能看懂、能评估、能判断。这篇把两个犀利观点合起来讲清楚：新范式下程序员的核心竞争力到底是什么。

- 原文链接: https://laojin.blog/blog/20260426_understanding_over_coding
- 作者: 老金
- 发布日期: 2026-04-26
- 标签: AI Coding, 程序员能力, Vibe Coding, Harness Engineering

---

先抛一个反直觉的观察：

2026 年淘汰程序员的，从来不是 AI。

**是"只会写代码、不会定义问题、拒绝进化"的固化工作方式。**

AI 把"语法实现"的成本拉到了趋近于零——复制粘贴式的编码、机械性的 API 调用，早就不是程序员的核心竞争力。

那什么才是？

今天我想把最近读到的两个最犀利的观点合在一起讲清楚：一个来自 MindStudio 的 Charles Stone，一个来自国内技术 leader 的复盘。他们从两个完全不同的角度讲了同一件事——

**AI 时代，会写代码已经不值钱了；真正值钱的，是"理解力"。**

## 先看看 AI 到底做了什么

几组扎眼的数据：

- **基础编码替代率 80%+**：初级 CRUD、简单接口、页面脚本，AI 可以高效完成。
- **效率提升 50–70%**：Claude Code、 Codex 、Cursor，让日常开发快到离谱。
- **角色反转**：以前 80% 时间写代码、20% 时间思考；未来 20% 时间指挥 AI、80% 时间做设计与解决复杂问题。

焦虑就从这里开始。但焦虑的人往往搞错了靶子——

> 你以为 AI 在抢你的饭碗，其实 AI 在**重新定义这碗饭是什么**。

## 最稀缺的不再是"能写"，而是"能懂"

Charles Stone 在《Proving Your Value in the AI Era》里说了一句扎心的话：

> 如果你根本无法评估 AI 产出的东西，那你就不是在监督——**你是在给它盖橡皮图章。**

这句话把"AI 指挥官"这个光鲜的角色撕开了。指挥的前提是看得懂；看不懂的指挥，不是指挥，是赌博。

他把"理解力"拆成了四个具体可练的维度：

| 维度 | 能做什么 |
|------|----------|
| **理解意图（intent）** | 看穿 AI 产出"是在解决真正的问题，还是仅仅解决你让它解决的问题" |
| **知道失败模式（failure modes）** | 辨识代码里的隐含假设：null 输入、重复支付、慢 API、竞态条件 |
| **评估胜过生产（evaluation over execution）** | 在 PR 合入之前一眼看出"这里不太对"——他称之为"嗅觉检查（sniff check）" |
| **能向别人解释清楚** | 不是逐行讲语法，而是在意图和行为层面讲清楚——这是理解力的最高形式 |

注意第三条：**评估胜过生产**。

AI 时代最稀缺的不是"能产出"，是 **"能判断别人产出的东西好不好"** 。前者 AI 做得比你快，后者 AI 做不了——至少现在还做不了。

## "认知债务"是怎么一步步累起来的

Stone 给了这个问题一个非常精准的名字：**认知债务（cognitive debt）**。

它不是某一个错误决定，而是**一百个"没完全理解就放过去"的小决定**。机理是这样的：

1. **AI 的推理轨迹不可靠**——AI 对自己产出的解释并不总是准确，你无法通过让 AI 解释自己来验证它；
2. **速度制造了跳过审查的压力**——AI 两分钟造出的功能，让人很难说服自己坐下来认真读一遍；
3. **小决定会复利**——每一次"差不多就这样吧"都是欠下一点利息。

短期看跑得飞快，中期看债务开始拖脚，长期看整个团队从"跑得很快"急剧减速。

这不是危言耸听。**AI 生成的速度越快，认知债务累积得越快。**

## 新旧范式：四个维度的对照

这部分来自狼爷的一篇文章，他把"编码者 → 技术决策者"的转型拆成了四对可对照的画像，比抽象口号更有可操作性：

| 旧范式（正在被淘汰） | 新范式（核心竞争力） |
|--------------------|--------------------|
| 死记硬背 API、重复写样板代码 | 聚焦问题本质，定义边界条件、设计容错机制 |
| 埋头独立完成单个模块 | 指挥 AI 协同工作，评审 AI 输出，负责集成验证 |
| "代码能跑就行"，忽视后续维护 | 追求可观测、可维护、可演进，降低长期成本 |
| 沉迷技术炫技、脱离业务 | 以业务价值为核心，兼顾技术可行性 |

一句话概括新范式下的心态：

> **把 AI 当作"拥有无限算力的初级工程师"——它负责执行，你负责提精准需求、做权衡取舍、审输出质量、担最终责任。**

这句话值得贴在显示器边上。

## 核心竞争力公式

把前面所有东西压缩成一个公式：

> **AI 时代程序员核心竞争力 = 驾驭 AI 的能力 × 系统架构能力 × 深度业务理解 × 解决复杂问题的能力**

注意是"乘"不是"加"——任何一项是 0，整体就是 0。

行动建议：**30% 时间学习 AI 工具与提示词，70% 时间提升架构、业务、底层能力。**

很多人把比例搞反了。

## 三个可以明天就开始练的动作

别急着买课、别急着报班。先把这五件事做起来：

**1. 问自己硬核的"为什么"**——"为什么用这种方法不是另一种？" 答不上来，就不拥有这个决定。答不上来的 PR 不要合。

**2. 在 prompt 之前先写"规格"**——Stone 把这个叫**规格精度（specification precision）**：你无法写出一份精确的规格，除非你先理解了系统。反过来，一份好的规格又让 AI 产出更可控。这是把理解力**前置**到生成之前。

**3. 自己拥有调试过程**——出问题不要立刻让 AI 修，先自己形成假设再验证。让 AI 修坏掉的代码是最快的、也是最腐蚀理解力的。

## 这个坑你会更早掉进去

如果你是技术创始人或正在做一人公司，这一节请逐字读完。

今天的 AI 工具让你可以用非常有限的技术深度构建出**看起来可运行**的产品。但"无理解力构建"的上限来得比预期快得多，它会在**三个地方**集中暴露：

- **尽调（due diligence）**：投资人问技术问题不是考你语法，是想判断"你是否足够理解自己的系统，以至于能扩展它、保护它、延展它"。"AI 构建的"不是一个让人安心的答案。
- **招聘**：无法评估工程工作的技术创始人，无法区分"优秀工程师"与"听起来很牛的工程师"。
- **生产环境**：AI 没处理好的边界情况，最终都变成客户问题——而客户只会记住你。

这不是劝你别 vibe coding。这是提醒你：**产品线可以铺得很广，但每一条产品线背后都必须有真实的理解力，否则它们会在出问题的那一天同时崩塌。**

## 最后几句

写在最后，送给每一个在 AI 浪潮里焦虑的技术人：

**别怕 AI 写代码，怕的是你看不懂它写的代码。**

**别追"全栈"，追"可组合的专长"。**
"AI 应用架构 + 金融风控领域知识"这种组合型能力，最难被替代。

**未来属于"懂 AI 的系统思考者"和"能落地的业务架构师"。**

技术周期永远在洗牌，AI 的迭代速度只会越来越快。

但有一点永远不会变：

**能定义问题、能交付价值、能持续进化的人，永远稀缺。**

---

AI 没有抢走程序员的价值。

它只是把"会写代码"从价值里剔除掉了而已。

剩下的——**理解、判断、抽象、驾驭**——恰恰是你可以用一生去打磨的东西。

不管你是否认同，都可以在评论区说说，我们一起来探讨。